TraceBack｜基于 RAG 与 Agent 的苏格拉底式智能学习系统

技术信息

语言技术
Python、Docker、Vue、React、MySQL系统类型
Web、Windows行业分类
人工智能、开发工具

作品详情

行业场景

面向学习与知识理解场景，解决传统问答工具直接提供答案、缺少思考引导的问题。系统结合知识库检索与 Agent 工作流，通过引导、提示、确认三类 Prompt 和自适应策略，帮助用户逐步理解问题、形成自己的判断。项目由三人团队开发，已部署上线并开源。

功能介绍

系统结合 RAG 知识库检索与 LangGraph Agent 工作流，为学习对话提供知识支持，并通过引导、提示、确认三类交互策略促进用户自主思考。采用 Vue 3、Spring Boot 与 FastAPI 的 Java/Python 双后端架构，结合 Milvus、LlamaIndex、SSE 和 Docker Compose 实现检索、对话输出与部署。

本人作为团队核心成员，负责后端及 RAG/Agent 全链路，包括知识检索、工作流编排及相关接口开发。项目已部署上线并开源，获得第十九届中国大学生计算机设计大赛中南地区赛三等奖。

项目实现

本人负责项目后端及 RAG/Agent 全链路开发。项目采用 Vue 3、Spring Boot 3.2.5 与 FastAPI 的 Java/Python 双后端架构，通过 API 对接业务功能与 AI 服务。

使用 LlamaIndex 和 Milvus 实现知识库检索，结合 LangGraph 编排学习引导工作流，通过引导、提示、确认三类 Prompt 与自适应策略支持苏格拉底式交互。使用 SSE 输出对话内容，并通过 Docker Compose 完成服务部署。

实现重点是将知识检索与学习引导策略结合，让系统在提供知识支持的同时促进用户自主思考。项目由三人团队共同完成，本人承担后端及 RAG/Agent 部分。